日常好的代码已放入免💰共享服务器中（人人皆可用）：https://vip.r-py.com/

空间转录组学重大突破：哈佛大学团队攻克细胞分割误差难题，助力精准解析组织生物学机制

近日，哈佛大学医学院 Peter V. Kharchenko 教授团队在《Nature Genetics》发表重磅研究，揭示了成像类空间转录组学中细胞分割误差带来的关键问题，并开发出高效校正工具 cellAdmix，为该领域的精准分析提供了全新解决方案。这项研究将深刻影响肿瘤免疫、发育生物学等多个领域的研究走向。

空间转录组学技术作为解析组织微环境中细胞互作的核心手段，能将细胞转录状态与其原生空间位置关联，其中成像类技术以纳米级分辨率和三维成像能力备受青睐。但研究团队发现，细胞分割的准确性是制约该技术发展的关键瓶颈 —— 由于染色信号不确定性、背景干扰等因素，相邻细胞的转录分子常被错误分配，形成 "分子混合" 现象。

通过对小鼠下丘脑、回肠及人类非小细胞肺癌、乳腺癌等 6 类组织的成像数据重分析，团队证实这种分割误差对下游分析的干扰远超预期。在差异表达分析中，非小细胞肺癌肿瘤区域的成纤维细胞被错误检测出恶性细胞标志物 KRT19、KRT8，占 top36 上调基因的 11 个；小鼠回肠隐窝区域的杯状细胞则出现干细胞标志物的异常高表达。更严重的是，细胞互作分析中，巨噬细胞与成纤维细胞的配体 - 受体互作预测被成纤维细胞标志物 COL6A3、DCN 等污染，导致大量假阳性结果。

研究还发现，这些错误分配的外源分子具有鲜明特征：多聚集在细胞边缘，且在三维空间中存在跨层面混合现象。通过膜染色信号分析，团队证实外源分子与细胞原生分子间的膜信号强度显著高于原生分子间的信号强度，直接验证了分割误差的存在。

针对这一问题，团队开发了基于分子邻域矩阵分解的校正方法。该方法通过构建亚细胞水平的分子邻域组成向量，结合加权非负矩阵分解（NMF）和条件随机场（CRF），能精准识别并分离混合分子。其中 "细胞桥接" 因子注释策略无需匹配单细胞测序数据或膜染色信息，仅通过分子几何位置关系即可完成校正，适用性极强。

实验验证显示，cellAdmix 工具能在保留细胞原生转录特征的前提下，显著降低混合信号 —— 非小细胞肺癌成纤维细胞中 51% 的外源恶性标志物被移除，而原生标志物仅损失 0.9%。校正后的数据成功揭示了肿瘤相关成纤维细胞在血管生成和生长因子调控中的真实生物学作用，而这些信号此前被混合误差掩盖。该工具对不同分割算法均有效， runtime 仅 10-50 分钟，具备广泛应用前景。

分割误差是成像类空间转录组学的系统性问题，即使最先进的分割方法也难以完全避免。cellAdmix 的开发为解决这一难题提供了有效途径，其相关算法已整合进 R 包公开（https://github.com/kharchenkolab/cellAdmix）。

这项研究不仅揭示了空间转录组学数据分析中的关键陷阱，更提供了切实可行的解决方案，将推动该技术在肿瘤微环境解析、发育调控机制等领域的深度应用，为精准解析组织生物学分子机制奠定了重要基础。

（代码已放入免💰服务器中：https://vip.r-py.com/）